这种分歧来自于对AI的误解。人们对AI有许多笼统的说法：比如数据是新科技时代的石油，中国通过其数据优势将统治AI研究，AI未来会代替人。它是个机器人吗?是克隆人吗?是个能植入头脑的芯片?还是可以把人变成超人?
AI这个名字本身，人工智能，也是误解的来源。想要理解这种技术，需要将其具体化。有一种分类非常有帮助，将AI具体化为两个方向：机器学习(machine learning) 和 自动化(automation)。
机器学习——是个从复杂数据点中寻找模式的过程。人眼可以分辨某些显著的形状，比如池塘里的青蛙，但如果一个绿色空间内有很多不显著的点，人脑是无法处理的，而机器通过算法(algorism)却可以找到一种模式，判断出它是一只青蛙。
由此类推到其他数据库，比如星巴克的客户数据勾勒出庞大的消费群体，算法可以通过分析区域、支付方式、时间和消费门店等，来预测口味变化，调整策略。现在算法的最前沿是分析图像和影像，人脑的处理能力远远落后于算法。
自动化——受到的误解更深，因为人们总会不由自主的想到人形机器人和科幻世界里人机大战的场景。对于智能机器人的幻想从1960年就有了，那是科技的黄金年代，间接受益于各国的军备和航空竞赛。
许多人畅想家庭中将会有机器人管家，有双手双脚，像人一样做饭洗衣服。但这并没有发生，而是出现了微波炉和洗衣机。在工业生产线上，也没有出现变形金刚一样的机器人，而是机器手。
事实上，在过去的半个世纪，人类并没有发明一种可以像人一样解决所有问题的机器，而是发明了许多只能解决某一个问题的机器。这就是自动化的精髓：代替。
自动化在逐渐替代人类的某些功能。车和船替代了脚，缝纫机替代了手，打印机替代手写，电脑代替了计算。1970年代的电影中经常会看到数据工作者的生活：一栋大楼里整齐坐着一排排的人，每天的工作就是录入数据。而今天，这整个大楼的工作不过是一张excel表格。
2018年科技创新趋势
新技术的真正价值实现不在于替代，而是整合到现有行业和技术解决方案中，从而提高整体的生产效率。
增强现实（AR）和虚拟现实（VR）也可看做是自动化的一部分，它们在代替和强化了人某些感官功能的同时又加入了新的元素。比如VR把原本世界没有的东西呈现在眼前，使得人真以为置身山顶或太空。
AI未来会改变什么
今天的AI在计算和和阅读上相对进步，对于语音识别和影像识别也有所突破，但仍然只是起步阶段。未来对于影像识别的应用将给零售医疗等行业带来革命。比如通过影像数据可以分析现在北京的每个人都在穿什么，六个月以前穿什么，潮流如何改变端，甚至可以分析金融街这个月大家都怎么穿、表情如何来判断市场走势。
未来的城市形态会被AI改变。现在无人车的概念和一开始的“无马车”是差不多的，戴姆勒最开始造车的时候，只是去掉了马，车的形状仍然像马车。几十年之后车才发展到我们今天习惯的流线型。
无人车技术成熟后，车的形态会改变。因为到时候开车的是电脑，它们不会像人一样考虑问题，而是会按照电脑的算法来读取路线和指示灯，考虑速度和停车问题。正如汽车改变了今天的城市一样，无人车会改变未来的城市。
以比特币为代表的crypto currency也许会是AI最有革命前景的技术。它也是一种替代，是更高级的自动化。最初人们用金子作为货币，后来把金子存起来做储备改用纸币，再后来用数字货币，最终连数字货币都不需要存在了，只会留下一个记录。所有人的交易都记录在一个大型数据库中，除了不知道当事人是谁，每个人能够看到所有的交易细节。这个系统是完全透明的，只有一个被信任的数据库而没有中央银行，每个人的信用都体现在交易记录中。
AI发展的S曲线
科技发展常会呈现出S形曲线。开始增长缓慢，直到引爆点突然加速，然后逐渐减速被新的技术替代。曾经的个人电脑，智能手机都走过这样的道路。新技术的市场化不会一帆风顺，因为很难一出现就找到合适的商业模式和定价机制，哪怕Ipod这样的革命性产品也用了五年才打开市场。
#FormatImgID_0#
科技发展的S曲线，来源：世界银行、WIND (全球使用量，百万台)
并不难理解为什么许多人会对AI持保留态度。现在初期阶段风险极高，从研发到上市再到打开市场需要雄厚的资本支持和宽松的政策环境。
中国在创新方面的政策值得学习——先期政策极其宽松，发展几年之后逐渐收紧以防止风险蔓延到各个部门。这样做的好处是使得先期创新成果有足够的空间呈现甚至有有产业化的可能。
尽管中国和其他国家一样，对AI的研发仍然由大公司把持，但并不是说创业者机会不再。在iPhone上市之后之后，微软地位骤降，Facebook等社交媒体兴起把Yahoo帝国逼到变卖家产。大公司从不可一世到由盛转衰的转变可能会很快。这为中国善于冒险的企业家提供了难得的机会。在中国艰难转型的背景下，这同时也是中国商业的复兴时代。
总结：
如上文所述，人工智能技术的真正价值实现不在于目前初步的人工替代，而是更好整合到现有行业和技术解决方案中，从而提高整体的生产效率。对于尚未进入AI产业成熟阶段，我们还需要更多投入和耐心等待。
本文来自投稿，不代表本人立场，如若转载，请注明出处：http://www.souzhinan.com/kj/a568758425.html